Question

在W = tf.Variable(tf.random_uniform(shape, -1.0, 0.0))中，我为shape尝试了以下三种数据类型：

shape = tf.constant([1])  # 1
shape = [1]               # 2
shape = tf.Variable([1])  # 3

然后我打电话给：

init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
print(sess.run(W))

1和2都正确输出，类似于[-0.25340891]。但是，3给了我

ValueError：initial_value必须具有指定的形状：Tensor（＆＃34; random_uniform：0＆＃34;，shape =（？，），dtype = float32）

完整的代码示例：

import tensorflow as tf
import numpy as np

# shape = tf.constant([1])  # 1
# shape = [1]               # 2
shape = tf.Variable([1])  # 3

W = tf.Variable(tf.random_uniform(shape, -1.0, 0.0))

init = tf.initialize_all_variables()

sess = tf.Session()
sess.run(init)

print(sess.run(W))

为什么会这样？

Answer 1

由于两个原因，您的示例无效：

使用随机初始化W时，init值应指定形状，但未指定形状，因为它本身是变量而不是常量。添加validate_shape = False可以回避这个问题。
initialize_all_variables（）并行运行所有内容，但您需要首先初始化'shape'变量。以所需顺序显式初始化变量可以解决此问题。

工作代码：

import tensorflow as tf
import numpy as np

shape = tf.Variable([1])
W = tf.Variable(tf.random_uniform(shape, -1.0, 0.0), validate_shape=False)

sess = tf.Session()
sess.run(shape.initializer)
sess.run(W.initializer)

print(sess.run(W))

用于形状时的Tensorflow变量和常数差异

1 个答案: